A dynamic multi-objective evolutionary algorithm with direction-guided and sensitive-dimension-based two evolution

doi:10.1016/j.eswa.2026.133667

A dynamic multi-objective evolutionary algorithm with direction-guided and sensitive-dimension-based two evolution

2026-07-01

0

PRE

AI

DOI：10.1016/j.eswa.2026.133667

原文链接

原文求助

摘要

En 中文

在动态多目标优化中，环境变化可能导致收敛解集迅速失效。因此，在保持解集分布稳定性的同时实现快速收敛恢复仍是一个关键挑战。现有方法在变化响应与后续优化之间缺乏有效协调，限制了其恢复速度和长期跟踪稳定性。为解决此问题，本文提出了一种具有方向引导混合响应和敏感维度基于两阶段进化的动态多目标进化算法。首先，开发了一种方向引导混合响应策略以改善变化后的恢复性能。该策略通过精英中心点和种群中心点估计种群迁移方向，然后通过方向平移、变化强度相关扰动和小规模随机再初始化生成响应种群。响应种群进一步为敏感维度识别提供决策空间基础。识别出的维度为后续两阶段进化提供搜索指导。其次，构建了敏感维度识别机制以定位对环境变化更敏感的决策变量。基于决策空间中精英解的离散特性，识别出的敏感维度用于指导两阶段进化过程。在敏感维度上执行预测性搜索以加速帕累托前沿跟踪，而在相对稳定的维度上进行局部细化以改善解集分布。最后，引入多源融合精英重组策略以增强种群更新的鲁棒性。该策略移除重复个体，并在原始种群、两阶段候选解和精英信息之间进行受控替换。在FDA、DF和JY基准问题下不同变化频率设置下的实验结果表明，所提算法在大多数测试问题上优于竞争算法，在其余问题上仍具有竞争力。针对铝电解操作参数优化和动态多目标背包问题的进一步研究表明，该算法在连续变量和离散变量决策场景下均具有实用适用性。

Keyword:

Dynamic multi-objective optimization

Direction-guided hybrid response

Sensitive-dimension identification

Two-stage evolution

Operating-parameter optimization of aluminum electrolysis

A dynamic multi-objective evolutionary algorithm with direction-guided and sensitive-dimension-based two evolution

摘要

期刊

机构

引用论文